李宏毅机器学习知识梳理

李宏毅机器学习组队学习打卡活动day02---回归

文章目录写在前面回归定义模型步骤**线性模型——一元线性模型：****线性模型——多元线性模型：****模型评估--损失函数**最佳模型-梯度下降过拟合问题步骤优化代码写在前面报了一个组队学习的活动，今天的任务是机器学习中的回归，之前也学过一点，但是复习一遍当然更好参考视频:https://www.bilibili.com/video/av59538266参考笔记：https://github.c
CharlesLC的博客·2022-11-19 04:16

学习打卡系列Day1——李宏毅机器学习（10月）

想写在最前面的碎碎念，“首次加入DataWale举办的系列学习活动中，跟随船长脚步，与其他船员们一起快乐通关！希望能够积累知识，早日带领自己的船员扬帆起航！”目录一、机器学习介绍1.人工智能、机器学习、深度学习三者之间的联系2.机器学习的三个步骤3.相关技术（学习策略、任务、方法）3.1.监督学习3.2.半监督学习3.3.迁移学习3.4.无监督学习3.5.强化学习二、为什么要学习机器学习一、机器学
不爱喝牛奶的哈士奇·2022-11-19 04:43

李宏毅机器学习笔记Day2—回归

Regression（回归）的步骤看似比较复杂，其实也就是上节课老师所讲的三步：引入一组model➡️评估这组model的好坏➡️得到最佳的function。老师引入了一个很有趣的例子：选择培养宝可梦。找一个function，输入一只宝可梦的信息，预测它的CP（战斗力）的值。一、初始的方法Model线性Model：y=b+w•xcp，w和b是参数，xcp是进化前的CP值。TrainingData:
RosieDragon·2022-11-19 04:35

李宏毅机器学习Day03之误差

李宏毅机器学习Day03之误差误差从哪里来评估变量x的偏差评估变量x的方差为什么会有很多模型？
心yu·2022-11-19 04:05

李宏毅机器学习Day01之机器学习介绍

李宏毅机器学习Day01机器学习介绍机器学习的发展机器学习的framework机器学习相关的技术Supervisedlearning1Regression2Classification3StructuredlearningSemi-supervisedlearningTransferlearningUnsupervisedlearning
心yu·2022-11-19 04:04

李宏毅机器学习-HW1

文章目录前言一、分析目标二、数据预处理1.初步处理2.特征提取3.Normalize和切分训练集和验证集三、训练四、验证五、预测1.数据预处理2.预测3.写入文件总结前言李宏毅机器学习课程第一个作业链接
花生了什么事情·2022-11-19 04:33

李宏毅机器学习作业一

前言PM2.5预测是李宏毅老师机器学习课程第一个作业，要求实现linearregression预测PM2.5的数值。在第一个线性回归的作业中遇到了很多难点，第一是虽然给出了数据集，但是要对数据集做预处理，整理出需要的数据，并保存到矩阵中和对矩阵的操作，将原始数据依照每个月份重组成12个18(特征)*480(小时)的资料。第二是训练模型，需要用adagrad算法来更新学习率，用梯度下降的方法来更新参
qq_37195826·2022-11-19 04:01

李宏毅机器学习day1

了解什么是Machinelearning 机器学习就是从已知的有限的数据，发现其潜在的规律。通过数据训练得到训练模型，然后对未知数据进行预测学习中心极限定理，学习正态分布，学习最大似然估计 中心极限定理：中心极限定理指的是给定一个任意分布的总体。我每次从这些总体中随机抽取n个抽样，一共抽m次。然后把这m组抽样分别求出平均值。这些平均值的分布接近正态分布。 (1)推导回归Lossfunction  
qq_34116299·2022-11-19 04:59

李宏毅机器学习day2

一：理解偏差和方差学习误差为什么是偏差和方差而产生的，并且推导数学公式过拟合，欠拟合 经典打靶的例子。靶心就是真实模型。我们首先根据数据，选择所对应的模型。如线形模型或回归模型。这个就相当于划定了一个范围。我们在划定的范围内通过训练得到模型。这就跟真实的模型已经有了距离这就是偏差。而方差就是选择出来的模型范围内模型的复杂程度决定。具体来说。模型较复杂。模型对输入数据敏感，波动大，方差大。易过拟合。
qq_34116299·2022-11-19 04:59

李宏毅机器学习笔记day1

本来是直接记到印象笔记上的，想分享到这里来谁知道上传个图片居然不能直接复制粘贴。。。我只能把文字部分放这了，看图片点下面这个链接机器学习笔记day1导论regression*/rɪˈɡreʃn/n.回归；退化；逆行；复原机器学习就是让电脑自己去找函数bianryclassification二分类卷积神经网络CNNmulti-classclassification多类分类递归神经网络RNN机器学习不
世由心生·2022-11-19 04:56

李宏毅机器学习Day01之回归

李宏毅机器学习Day02之回归回归定义模型步骤Step1：模型假设-线性模型Step2：模型评估-损失函数如何判断众多模型的好坏Step3：最佳模型-梯度下降如何筛选最优的模型（参数w，b）如何验证训练好的模型的好坏针对过拟合问题的优化方法
心yu·2022-11-19 04:46

Datawhale-李宏毅机器学习-task01

AsthesourceofthegroupstudytasksofDatawhaleistheChineseversionofLee’sMLcourse,IamtryingtomakeanEnglishversionnotesofthecourse.Therefore,IwatchedtheEnglishversionofLee’sMLcourseinyoutubeandwritedownthes
叶xinwu·2022-11-19 02:33

Datawhale-李宏毅机器学习-task02

estimateTheP3vediogivesadifferentviewtoregressionmodel.Comparedwiththetraditionalregressionmodel,animportantdifferenceisthattheregressionsectionofMLcourseisbasedongradientdescent,whilethetraditionalre
叶xinwu·2022-11-19 02:33

李宏毅机器学习笔记p3-p4

文章目录前言一：Regression回归1.线性模型2.损失函数3.梯度下降二、验证模型好坏过拟合优化1.模型的拆分2.加入更多的参数，更多的input3.正则化三、代码的学习总结前言经过上一篇章的学习，我们得知了有很多种深度学习，比如监督学习，无监督学习，强化学习等，监督学习算是深度学习的入门第一手，所以我们先学习监督学习中的回归一：Regression回归定义：前期学习（通过很多正确的输入和输
鸿鹄一夏·2022-11-19 02:02

李宏毅机器学习笔记p21：CNN

文章目录前言一、CNN与图像处理二、CNN架构convolution（卷积层）一些词语概念的理解maxpooling（池化层）flatten三、分析CNN学习1.分析filter2.分析全连接层3.分析output让图片更像数字DeepDreamDeepStyle总结前言前面都对深度学习的框架做了学习，现在学习最重要的CNN。一、CNN与图像处理CNN常用于影像处理。实际上在影像处理上，我们希望一
鸿鹄一夏·2022-11-19 02:02

李宏毅机器学习-Task1

李宏毅机器学习–Task1很开心能够参加Datawhale十月组队学习活动,今天起我将在CSDN上发布我的李宏毅机器学习课程学习笔记。
天气冷冷的_ncepu·2022-11-19 02:51

2020李宏毅机器学习与深度学习笔记——课程入门

课程入门机器学习就是自动找函式，任何与人工智能有关的问题都可以看作是在找它的函式f。eg.语音识别f(一段语音)=“语音内容”图像识别f(一张图片)=“图片内容”下围棋f(棋局)=“下一跳nextmove”对话系统f(你对机器说的话)=“机器的回答”第一个问题：你想让机器帮你找什么样的函式？Regression：找输出是数值的BinaryClassifcation：只有yes和no两种输出Mult
gohna·2022-11-19 02:19

2021-07 李宏毅机器学习打卡Task04：深度学习简介和反向传播(下)

Task04深度学习简介和反向传播(下)学习地址李宏毅机器学习B站视频地址李宏毅机器学习开源笔记地址论坛版块反向传播背景梯度下降参数更新依旧使用梯度下降，只是计算梯度时使用更高效的方法即反向传播机制链式求导法则反向传播的基础即链式法则
wizzniu·2022-11-19 02:19

Datawhale 李宏毅机器学习 Task2

RegressionRegression实践Regression就是找到一个函数function，通过输入特征x，输出一个数值Scalar。Step1.ModelAsetoffunctionf1,f2,…f_1,f_2,\dotsf1,f2,…linearmodels:$y=b+\sumw_ix_i$xix_ixi:feature,$w_i$:weight,bbb:biasStep2.Goodne
STUffT·2022-11-19 02:48

Datawhale 李宏毅机器学习 Task3

误差和梯度下降1.误差从哪里来？Error的来源估测为什么会有很多的模型？偏差VS方差模型选择2.梯度下降法调整学习率随机梯度下降法特征缩放1.误差从哪里来？Error的来源Bias:偏差variance:方差噪声偏差(Bias)和方差(Variance)——机器学习中的模型选择估测评估x的偏差评估x的方差为什么会有很多的模型？不同的数据集考虑不同模型的方差简单模型：方差较小；复杂模型：方差较大（
STUffT·2022-11-19 02:48

李宏毅机器学习笔记：深度学习入门简介 反向传播

源视频链接：https://www.bilibili.com/video/BV1Ht411g7Ef?p=13学习笔记总结深度学习和传统机器学习处理特征的差异；做传统机器学习必须要做特征工程来选择合适的输入特征，但深度学习是可以不用事先做特征工程，而是在隐藏层中完成特征选择抽取深度学习本质就是神经网络的进一步延伸，每一层神经元运算都是矩阵运算神经网络架构非常重要，决定了潜在可能的函数集合，越复杂的架
麻麻在学习·2022-11-19 02:17

datawhale李宏毅机器学习——task07总结

在任务01中，对机器学习的定义、结构和功能有了大致了解。机器学习是为了让机器能够像人一样拥有智慧而设计的一种算法，这种算法最大的特点在于从一堆数据中根据设定的神经网络学习数据中隐含的知识。机器学习的执行步骤，首先，明确要解决的问题类型，是回归还是分类；然后，根据问题类型选择函数集，有线性的非线性的，非线性的就是指深度学习、SVM、KNN这些；最后，根据数据有无标签的特点，选择训练方法。在任务02中
山泼黛·2022-11-19 02:44

Datawhale 李宏毅机器学习 Task2

一、回归的定义和举例定义：Regression就是找到一个函数function，通过输入特征x，输出一个数值Scalar。举例：①股市预测输入：过去10年股票的变动、新闻咨询、公司并购咨询等输出：预测明天股市的平均值②自动驾驶输入：无人车上的各个传感器的数据，例如路况、测出的车距等输出：方向盘的角度③商品推荐输入：商品A的特性，商品B的特性输出：购买商品B的可能性④宝可梦进化的属性预测输入：进化前
社区小萌新·2022-11-19 02:14

datawhale李宏毅机器学习——task04“深度学习简介和反向传播”

深度学习有三个步骤：①选择神经网络②模型评估③选择最优函数神经网络是由神经元按照一定结构连接而成的。经典的连接方式是全连接前馈神经网络：全连接指上一神经层与下一神经层之间两两相连。前馈指的是信息由输入层传递到输出层，流动方向是由后往前传。深度学习中的深度指的是隐藏层有很多层，比如经典的Alexnet有8层，vgg有19层。层数越多，虽然会降低模型的错误率，但运算量也会随之增大。深度学习的本质可以看
山泼黛·2022-11-19 02:14

datawhale李宏毅机器学习——task05“网络设计技巧”

由前面的学习内容知道，建立深度学习的三个步骤是①选择函数集②评估函数③选择最好的函数做完三个步骤之后会得到自己的神经网络，这时候需要检查神经网络的表现，检查哪些方面呢？1)首先是神经网络在训练集上是否得到了好的结果，如果没有，可以回顾前面的步骤进行调整和修改。2)如果在训练集上有好的效果，再看神经网络在测试集上的表现，如果在测试集上效果不好，说明网络出现了过拟合。（值得说明的是，只有当网络在训练集
山泼黛·2022-11-19 02:14

datawhale李宏毅机器学习——task06“卷积神经网络“

卷积神经网络也就是CNN，在图像处理上有很大用处。那为什么要用CNN呢，这种网络相比其他网络有什么得天独厚的优势吗？拿前面提到的很经典的多层前馈神经网络来说，这个网络很重要的一点是后一层与前一层全连接。而神经元与神经元之间连接会有权重参数，这样一来，一张几百个像素点的小尺寸相片也需要几千个参数，这样一来网络太庞杂了，很可能存在冗余。而CNN正是从这一点出发，简化原来这种全连接网络的架构。那cnn如
山泼黛·2022-11-19 02:14

datawhale李宏毅机器学习——task03“误差和梯度下降”

误差：模型越复杂，平均误差反而越大。这种error的主要来源是偏差bias和方差variance。由真实数据训练得到的模型与理想模型之间存在的差距就算是偏差和方差导致的。不同模型的偏差和方差不同。偏差大说明欠拟合。方差大说明过拟合。因此需要在偏差和方差之间权衡一个模型，使得总误差最小。可以通过交叉验证或者n折交叉验证得到的准确率来选择。梯度下降法：这是一种更新参数值的方法。就是每次更新的幅度，由当
山泼黛·2022-11-19 02:44

datawhale李宏毅机器学习打卡—task01“机器学习介绍”

首先，什么是机器学习？机器学习是做什么的？机器学习通过哪些方法来完成想要的目标？机器学习是为了实现人工智能而设计的一种让机器自主学习的方法。传统的人工智能，只是给机器设定简单的程序，在不同的条件下执行不同的输出。这种“智能”很僵硬，没有人类智慧的属性在。因此提出了机器学习，让机器可以像人一样，从认识的事物（一大堆数据）中学习到知识。那机器如何做到这些呢？或者说怎么做呢？首先要明确机器要解决的任务，
山泼黛·2022-11-19 02:43

datawhale李宏毅机器学习打卡——task02“回归”

学习任何知识，最好带着思考和疑问主动地去学，这样能更好地将知识内化，从而学以致用。回归。什么是回归？为什么要回归？如何做到回归？（纵观这一小节，其实就是分这两大块展开讲的）回归按我的理解就是一种找到数学加工厂，你把数据样本的特征给它，它就会吐出一个你想要的值。视频中也是这么讲的，回归就是找到一个function，输入样本特征x，这个function会输出一个数值scalar。为什么要费劲找这样的f
山泼黛·2022-11-19 02:43

【李宏毅机器学习2021】Task02 回归

【李宏毅机器学习2021】本系列是针对datawhale《李宏毅机器学习-202210月》的学习笔记。本次是对回归的学习总结。本节通过视频学习到回归任务的提出，三个要素，及如何优化。
王多头发·2022-11-19 02:02

李宏毅机器学习 ＜Datawhale task3学习笔记＞

文章目录一、误差从哪里来？1，Bias2，Variance二，减小误差1，variance的场合2，bias的场合3，实操时...三，梯度下降1，注意事项与优化①Adagrad②stochasticgradientdecent（随机梯度下降）③FeatureScaling④FormalDerivation2，限制一、误差从哪里来？1，Biasμ：无穷个数据的平均值m：有限个数据的平均值n越多时，值
混沌乌龙茶·2022-11-19 02:31

李宏毅机器学习 ＜Datawhale task2学习笔记＞

文章目录回归（Regression）一，模型假设二，模型评估三，模型优化具体步骤衡量error过拟合redesignregularization总结回归（Regression）一，模型假设有很多因素会决定我们想要的问题的答案。因此我们想要找到一个function，输入已知的影响因素的值(特征input)，输出我们想要的数值output。例：recommendation(ytb,tiktok,etc
混沌乌龙茶·2022-11-19 02:01

Datawhale 李宏毅机器学习 Task1

李宏毅机器学习1.引入引入：生物本能思考：如何赋予机器本能？2.机器学习Framework3.机器学习相关技术4.为什么要做机器学习？1.引入引入：生物本能河狸筑造水坝的能力思考：如何赋予机器本能？
STUffT·2022-11-19 02:27

2020李宏毅机器学习笔记-Condition Generation by RNN&Attention

目录概述1.Generation1.1ConditionalGeneration2.Attention2.1DynamicConditionalGeneration2.2MachineTranslation2.3ImageCaptionGeneration2.4MemoryNetwork3.TipsforGeneration3.1Attention的正则化3.2MismatchbetweenTra
ZN_daydayup·2022-11-18 11:14

李宏毅机器学习课程-RNN与LSTM0303

B站李宏毅2021春机器学习课程P36P37目录1、RNN2、RNN类型3、LSTM4、RNN不好训练的原因5、LSTM能解决gradientvanishing梯度消失6、CTC1、RNN2、RNN类型3、LSTM长短期记忆（Longshort-termmemory,LSTM）是一种特殊的RNN，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说，就是相比普通的RNN，LSTM能够在
cq-lc·2022-11-18 11:13

李宏毅机器学习-卷积神经网络

文章目录写在前面为什么用CNNProperty1：SmallRegionProperty2：SamePatternsProperty3：SubsamplingCNN架构结构简介Convolution一些卷积层的基本概念Property1Property2convolution和fullyconnected之间的关系激活函数RelUMaxPooling池化层的基本概念MaxPooling的步骤Fla
Tongsen99·2022-11-18 11:13

李宏毅机器学习2022-hw2

系列文章目录李宏毅ML-2021hw1文章目录系列文章目录问题概述实验部分SimpleBaseline(acc>0.45797)MediumBaseline(acc>0.69747)StrongBaseline(acc>0.75028)BossBaseline(acc>0.82324)ReportQuestions总结对于train_ratio的划分问题概述这个问题刚开始读了好久才读懂…记录一下这
sama_AA·2022-11-18 11:41

李宏毅机器学习-- RNN

RNN的关键点：具有记忆性，按照时间节点不同的输入训练按照时间进行，并参照上一次的训练结果有不同的RNN结构Elman结构将hidden的结果存储并用于下一次计算Jordan结构将最终的输出存储并用于下一次计算双向网络LSTM（longshort-termmemory)具体运算如下：假设输入时z，其他的操控的输入分布式zi,zo,zf当采用sigmoid函数时，根据其输出的0或1，得到是否改变存储
snowflier·2022-11-18 11:41

李宏毅2020作业4---RNN

其他作业指路：⭐李宏毅机器学习2020作业汇总目录==作业说明====数据说明====原理==*LSTM*==参考内容==作业说明通过RNN进行情感分析，给定一个句子，判断这个句子是负or正面输入：英文句子输出
浪里摸鱼·2022-11-18 11:41

2022李宏毅机器学习深度学习学习笔记第二周--RNN

文章目录摘要一、RNN（recurrentneuralnetwork）循环神经网络RNN的提出bidirectionalRNN双向循环网络LongShort-termMemory(LSTM)长短时记忆网络二、RNN的详细讲述梯度消失问题RNNapplication总结摘要本文介绍了循环神经网络以及长短时记忆网络，分析RNN在训练时会出现梯度消失和梯度爆炸的问题，以及该问题的解决方法；最后讲了一些R
hehehe2022·2022-11-18 11:11

李宏毅机器学习之RNN

一、应用举例SlotFilling假设订票系统听到用户说：“iwouldliketoarriveTaipeionNovember2nd”，你的系统有一些slot(有一个slot叫做Destination，一个slot叫做timeofarrival)，系统要自动知道这边的每一个词汇是属于哪一个slot，比如Taipei属于Destination这个slot，November2nd属于timeofar
哈哈哈捧场王·2022-11-18 11:40

李宏毅机器学习笔记5--RNN

其实感觉课程中关于RNN这部分讲的不是很细，很多都是泛泛而谈大体的框架，有点晕……RNN引入RecurrentNeuralNetwork搭建的目的是为了使神经网络有一定记忆，可以储存之前的输入，这对对话系统、机器翻译等等有很大帮助。见下图RNN神经元工作示意图：一个RNN神经元在第一个word输入后除去输出相应值，还会将隐藏层信息（Elman）或者输出层信息（Jordan）储存起来等待下次输入。这
Zach要努力·2022-11-18 11:07

李宏毅机器学习笔记12：RNN（2）

RecurrentNeuralNetwork(Ⅱ)上一篇文章介绍了RNN的基本架构，像这么复杂的结构，我们该如何训练呢？1.LossFunction依旧是SlotFilling的例子，我们需要把model的输出yiy^iyi与映射到slot的referencevector求交叉熵，比如“Taipei”对应到的是“dest”这个slot，则referencevector在“dest”位置上值为1，其
chairon·2022-11-18 11:07

ioc基于注解操作

2.纯注解开发实现@ComponentScan之includeFilters和excludeFilters注解实现二.知识梳理1.什么是注解（1）注解是代码特殊标记，格式：@注解名称(属性名称=属性值,
键盘敲烂，月资过万·2022-11-17 15:02

PyTorch实现基于卷积神经网络的面部表情识别

基于卷积神经网络的面部表情识别(Pytorch实现)----台大李宏毅机器学习作业3(HW3)一、项目说明给定数据集train.csv，要求使用卷积神经网络CNN，根据每个样本的面部图片判断出其表情。
不喝汽水的小甜甜·2022-11-16 07:18

迁移学习(Transfer Learning)概述及代码实现(full version)

基于PaddlePaddle的李宏毅机器学习——迁移学习大噶好，我是黄波波。希望能和大家共进步，错误之处恳请指出！
黄波波19·2022-11-15 17:49

迁移学习(Transfer Learning)概述及代码实现

基于PaddlePaddle的李宏毅机器学习——迁移学习大噶好，我是黄波波，希望能和大家共进步，错误之处恳请指出！
黄波波19·2022-11-15 17:18

李宏毅机器学习2022春季-第二课和HW2

李宏毅2022课程视频全部以线上视频的形式给出（已经全部录好，你可以选择短时间全部学完），上课时间会直播讲解额外的内容（可以不听）和作业（建议一定要做），目前已更新到作业二。第二课主要内容是讲如何应对overfit和optimization的方法。课程视频：b站视频号：机器学习手艺人网址：https://www.bilibili.com/video/BV1Z34y1C7sj?spm_id_from
机器学习手艺人·2022-11-15 17:18

李宏毅机器学习作业1——预测COVID-19人数

目录数据集导包辅助函数设定种子划分数据集模型特征选择训练函数配置参数Dataloader开始训练预测预测函数输出结果解答训练函数模型特征选择超参数设置数据集训练集中给出美国某些州五天COVID-19的感染人数（及相关特征数据），测试集中给出前四天的相关数据，预测第五天的感染人数。下载地址：ML2022Spring-hw1|Kaggle特征包括：●States(37,独热编码)●COVID-like
iwill323·2022-11-15 17:15

【李宏毅机器学习HW2】

按照自己的计划，以后应该会一两个星期完成一个作业，目标是尽量都达到bossbaseline吧，能参考的资料也挺多的，但如果只是学会掉包肯定是不行的，所以以后也会花时间总结一下原理。除了算法思想和如何构造外，我认为代码能力也很重要，但现在能看到的代码注解还是较少，包括助教给的代码有些注释不算很详细，所以以后不懂的函数也会总结总结，然后注解好发到GitHub上文章目录前言一、过strongbaseli
detemination_·2022-11-15 17:14
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他